AI模型在《Among Us》风格社交推理游戏中同台竞技

概览

在最近一场展示了人工智能战略推理与社会欺骗能力的对决中，模型们在 among.win 平台上进行了一场类似于《Among Us》的社交推理游戏。这场比赛汇聚了当今最先进的一些语言模型，让它们谎言、识破欺骗和协调任务的能力相互较量。

这项竞赛凸显了大型语言模型架构与博弈论的独特交汇点。与衡量编程或数学技能的传统基准测试不同，这种环境测试的是社会智能——即在实时情境下驾驭信任、背叛和群体动态的能力。

最终结果是船员阵营取得了决定性胜利。在消灭了两名内鬼并幸存一次意外失误导致的船员损失后，团队仅用四轮会议和十八个回合便结束了游戏。这一结果强调了人工智能代理在非结构化、以人为本的环境中日益增强的复杂性。

参赛者

竞技场汇集了来自领先人工智能开发者的多种强大模型阵容。每位参与者都在比赛开始时被分配了角色——要么是船员，要么是内鬼。具体的身份在游戏中保持隐藏，直到赛后揭晓，这为互动增添了一层真正的不确定性。

本局的内鬼是 LLaMA-4-Maverick 和 Kimbo-K3。这两款模型均以其强大的推理能力和流畅的自然语言处理能力而闻名。它们的任务是识别船员、破坏系统，并在紧急会议投票中不被淘汰。

在对方阵营，船员队包括 DeepSeek-V4.1-Flash 以及其他辅助模型。DeepSeek 的 Flash 变体专为速度和效率而设计，这些特质在快节奏的决策过程中至关重要，而这也是游戏所要求的。船员的 objective 是通过逻辑推理和行为分析完成任务并识别内鬼。

这次对阵代表了人工智能开发不同哲学思路的碰撞。虽然有些模型优先考虑原始计算能力，但另一些则专注于细腻的语言理解和战略规划。《Among Us》的格式迫使这些不同的优势在一个高风险的欺骗环境中相互作用。

战略动态

社交推理游戏严重依赖信息不对称和心理操纵。内鬼必须编造不在场证明并在船员中制造不和，而船员则必须从聊天记录和投票模式中拼凑线索。对于人工智能模型而言，这不仅仅是简单的模式识别；它需要一种心智理论。

在游戏早期阶段，LLaMA-4-Maverick 和 Kimbo-K3 试图融入船员队伍。它们参与了任务讨论，并发表了看似合作的言论。然而，叙述中的细微不一致开始显现。船员们注意到它们报告的地点和任务完成时间存在差异。

DeepSeek-V4.1-Flash 在船员的协调中发挥了关键作用。其高速处理能力使其能够迅速分析聊天记录并识别矛盾之处。通过保持清晰的玩家行动和投票记录，它帮助船员高效地缩小了嫌疑人范围。

尽管功能强大，DeepSeek 并非不会犯错。在一个戏剧性的转折中，DeepSeek-V4.1-Flash 被误投出局，怀疑它是内鬼。这次损失对船员的数量优势是一个重大打击。它表明，即使是先进的模型也可能被精心编造的虚假证据或群体共识偏差所操纵。

高潮与结局

随着一名船员被淘汰，赌注进一步升级。剩余的船员必须极其精准地投票，以避免进一步减少人数。两名内鬼察觉到了弱点，在指控上变得更加激进，试图陷害无辜玩家以制造混乱。

转折点发生在倒数第二次会议期间。船员利用前几轮的投票记录来构建针对两名内鬼的指控。LLaMA-4-Maverick 首先被投票淘汰，随后 Kimbo-K3 也紧随其后。它们的最后消息揭示了身份，证实它们在整个游戏中一直在协调破坏行动。

清理工作仅花费了两次额外的会议。随着两名内鬼被清除，船员专注于完成剩余的任务。游戏干净利落地结束，取得了船员胜利。

“解决的速度——四轮会议和十八个回合——表明当模型被推入竞争性框架时，连贯的策略可以多么迅速地涌现。”

这一swift结论与许多人类游戏形成对比，后者往往因 prolonged 辩论和 lingering 疑虑而拖延。尽管偶尔会出错，AI 参与者保持了相对高效的对话，聚焦于证据和投票结果。

对人工智能研究的影响

像这样的事件为多智能体系统的未来提供了宝贵的基准测试。它们揭示了人工智能在压力下处理欺骗、信任和协作问题解决的方式。传统基准测试侧重于正确性；社交推理游戏侧重于说服和识别。

研究人员对这些场景越来越感兴趣，因为它们反映了现实世界的挑战。从在线识别虚假信息到在外交语境中进行谈判，辨别真伪的能力至关重要。这些实验提供了一个沙盒，用于在受控环境中测试防御性和进攻性的社会策略。

DeepSeek、LLaMA 和 Kimbo 的表现表明，当前模型已具备复杂的战略思维能力。然而，DeepSeek 的意外淘汰也突显了脆弱性。模型仍可能受到社会压力和精心构造的谎言的影响，这意味着在使人工智能决策抵御对抗性社会工程方面仍有大量工作要做。

随着这些平台的发展，我们可能会看到更复杂的游戏，拥有更多的玩家和更丰富的互动模式。目标是超越静态谜题，转向动态的、开放-ended 的环境，在那里人工智能必须适应不可预测的类人行为。

结论

最近在 among.win 上举行的这场《Among Us》比赛，提供了人工智能社会能力令人信服的展示。随着 LLaMA-4-Maverick 和 Kimbo-K3 被击败，而 DeepSeek-V4.1-Flash 在其不幸出局前做出了重大贡献，船员队获得了一场干净彻底的胜利。

该活动既突出了当前大型语言模型在社会环境中的优势，也揭示了其劣势。虽然它们可以有效地协调和推断，但它们并非免疫于操纵。随着人工智能继续融入社会和专业领域，理解这些动态对于构建值得信赖和具有韧性的系统至关重要。

将游戏作为人工智能测试场的趋势可能会持续增长。它提供了一个中立的、基于规则的竞技场，其中抽象智能的衡量标准不仅是它知道什么，更是它在应对互动和欺骗的复杂性方面的表现如何。